使用Docker Compose在本地运行Solo.io Gloo Gateway
前言
Solo.io Gloo Gateway是一个功能强大的API网关,通常部署在Kubernetes环境中。然而,对于开发测试场景或学习目的,开发者可能希望在本地环境中快速启动Gloo Gateway。本文将详细介绍如何使用Docker Compose在本地机器上运行Gloo Gateway,无需Kubernetes集群。
核心概念解析
在深入部署之前,我们需要理解几个关键概念:
-
Gloo Gateway架构:由控制平面(Gloo)和数据平面(Envoy)组成,控制平面负责配置管理,数据平面处理实际流量
-
Upstream:代表Gloo Gateway可以路由到的目标服务,包含服务地址和可用API信息
-
Virtual Service:定义路由规则,指定如何将入站请求映射到Upstream
-
本地文件存储:当不使用Kubernetes时,Gloo Gateway可以使用本地文件系统替代Kubernetes的ConfigMap和Secret
环境准备
软件要求
在开始之前,请确保您的系统已安装:
- Docker 18.06或更高版本
- Docker Compose 1.25.0或更高版本
获取部署文件
部署所需的文件结构如下:
docker-compose-file/
├── source_data/ # 初始配置文件
│ ├── config/ # 网关配置
│ ├── envoy-config.yaml # Envoy配置
│ └── gloo-system/ # 系统配置
├── docker-compose.yaml # 容器编排定义
└── prepare-directories.sh # 目录准备脚本
详细部署步骤
1. 初始化目录结构
运行准备脚本创建必要的目录结构:
./prepare-directories.sh
该脚本会创建data目录,其中包含:
config/:存储所有Gloo配置secret/:存储敏感信息artifact/:存储运行时生成的文件
2. 关键配置文件解析
gloo-system/default.yaml:定义Gloo Gateway的基本配置,包括:
- 配置存储位置
- 密钥存储位置
- 监控设置
envoy-config.yaml:配置Envoy代理的行为,包括:
- 监听端口
- 访问日志
- 管理接口
3. 启动服务
使用Docker Compose启动服务:
docker-compose up
这会启动三个核心服务:
- petstore:示例应用,提供REST API
- gloo:Gloo控制平面
- gateway-proxy:基于Envoy的数据平面
配置详解
Upstream配置
Petstore的Upstream配置(petstore.yaml)定义了:
- 服务地址(petstore:8080)
- Swagger API文档位置
- REST接口转换规则
static:
hosts:
- addr: petstore
port: 8080
serviceSpec:
rest:
swaggerInfo:
url: http://petstore:8080/swagger.json
transformations:
# 各API端点定义
Virtual Service配置
默认Virtual Service(default.yaml)定义了路由规则:
virtualHost:
domains: ['*']
routes:
- matchers: [{exact: /petstore}]
options: {prefixRewrite: /api/pets}
routeAction:
single: {upstream: {name: petstore, namespace: gloo-system}}
这条规则表示:
- 匹配精确路径
/petstore - 重写前缀为
/api/pets - 路由到petstore upstream
功能验证
测试基本路由
curl http://localhost:8080/petstore
预期响应:
[{"id":1,"name":"Dog","status":"available"},{"id":2,"name":"Cat","status":"pending"}]
测试函数路由
curl http://localhost:8080/petstore/findWithId/1
预期响应:
{"id":1,"name":"Dog","status":"available"}
生产环境注意事项
本文描述的部署方式适合本地开发和测试,生产环境应考虑:
- 使用更可靠的存储后端(如Consul/Vault)
- 配置高可用架构
- 实施适当的监控和日志收集
- 加强安全配置
进阶学习建议
掌握基础部署后,可以进一步探索:
- 添加身份验证和授权
- 配置流量控制和限流
- 实现金丝雀发布
- 设置监控和告警
通过本地Docker Compose部署,开发者可以快速体验Gloo Gateway的核心功能,为后续在生产环境中的部署奠定基础。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00